Baza wiedzy: Politechnika Warszawska

Ustawienia i Twoje konto

Powrót

Extending a dataset using Genarative Adversarial Networks (GANs)

Assam Akhtar Chaudhary

Abstract

The thesis presents a technique to augment a dataset by synthesizing images using Generative Adversarial Networks (GANs). I have used two training datasets; the MNIST dataset consisting of handwritten digits from 0-9 and a dataset of fetal ultrasound images containing only 360 images. I investigate different architectures of GANs to model the underlying distribution of training data to allow for additional synthetic data to be sampled and used to augment the given real dataset.
Rodzaj dyplomu
Praca inżynierska / licencjacka
Typ dyplomu
Praca inżynierska
Autor
Assam Akhtar Chaudhary (WEiTI/II) Assam Akhtar Chaudhary Instytut Informatyki (WEiTI/II)Wydział Elektroniki i Technik Informacyjnych (WEiTI)
Tytuł w języku polskim
Rozszerzenie danych za pomocą GANs
Promotor
Robert Marek Nowak (WEiTI/II) Robert Marek Nowak Instytut Informatyki (WEiTI/II)Wydział Elektroniki i Technik Informacyjnych (WEiTI)
Jednostka dyplomująca
Wydział Elektroniki i Technik Informacyjnych (WEiTI)
Jednostka prowadząca
Instytut Informatyki (WEiTI/II)
Kierunek / specjalność studiów
, Informatyka (Computer Science)
Język
(en) angielski
Status pracy
Obroniona
Data obrony
26-02-2019
Data (rok) wydania
2019
Identyfikator wewnętrzny
45/19 (2638)
Recenzenci
Robert Marek Nowak (WEiTI/II) Robert Marek Nowak Instytut Informatyki (WEiTI/II)Wydział Elektroniki i Technik Informacyjnych (WEiTI) Paweł Zawistowski (WEiTI/II) Paweł Zawistowski Instytut Informatyki (WEiTI/II)Wydział Elektroniki i Technik Informacyjnych (WEiTI)
Słowa kluczowe w języku polskim
Generative Adversarial Networks, rozszerzenie danych,Głębokie sieci neuronowe.
Słowa kluczowe w języku angielskim
Generative Adversarial Networks, Dataset augmentation, Deep Convolutional NeuralNetworks.
Streszczenie w języku polskim
W tym artykule przedstawię technikę rozszerzenie (augmentacji) danych, która syntetyzuje obrazy przy użyciu sieci neuronowych GAN (Generative Adversarial Networks). Użyłem dwóch zestawów danych trenujących; zestaw danych MNIST dla odręcznych cyfr od 0 do 9 oraz zestaw danych z obrazów USG płodu zawierających jedynie obrazy 360 obrazów. Badam różne architektury GAN, aby modelować podstawowy rozkład danych treningowych, aby umożliwić pobieranie próbek danych syntetycznych i ich wykorzystanie do rozszerzenia danego rzeczywistego zestawu danych.
Plik pracy
  • Plik: 1
    Thesis.pdf
Poproś o plik WCAG
Pola lokalne
Identyfikator pracy APD: 32145

Jednolity identyfikator zasobu
https://repo.pw.edu.pl/info/bachelor/WUT3a6d87538d2640b0944946e9b78067e7/
URN
urn:pw-repo:WUT3a6d87538d2640b0944946e9b78067e7

Potwierdzenie
Czy jesteś pewien?
Zgłoszenie uwag dotyczących tej strony